统计学图像分析方法为乳腺癌诊断提供新的策略

科学家目前发明了一种统计学图像分析方法，这种方法能自动分割肿瘤区段、并检测分割后的组织样本中的细胞，由此来帮助乳腺癌的分级诊断。此系统由华威大学开发设计，有望使乳腺癌的分级诊断客观性、自动化，分级诊断是为确定提供给患者的治疗强度。

在癌症的诊断和分级时，有丝分裂（细胞繁殖，创造出新的细胞）细胞的数目，是一个组织病理学的关键指标。目前，英国和世界上大多数地区的优势系统—诺丁汉分级系统—是基于对样本组织的熟练分析来判断癌症严重程度的。作为一个依赖于目视分析的主观系统，它会在诊断评估方面会产生大量的可变性，这导致其在病理学家中仅获得了少许的认可。

华威大学的研究中初步发现，在鉴别有丝分裂细胞时，3位病理学家之间仅有19%的一致度。为了达到更加客观的需要，华威大学的研究团队发明了一个三步法，此方法能对组织样本拍照，并运用统计学的模型来探测图像中的有丝分裂细胞。

来自华威大学计算机科学系的Nasir Rajpoot博士说，“我们一直认为有必要增加癌症分级时的客观性。“分级决定了被诊断为癌症患者的治疗，所以，为了防止患者经历不必要的侵略性治疗，明确的诊断分级是很重要的。“我们相信我们的方法意义重大，因为它能对病理学家对乳腺癌诊断分级提供一个客观的、自动化的技术帮助。”

这个方法由三部组成，首先，将肿瘤边缘分割，这一步对检测有丝分裂细胞的准确性尤为重要。其次，对肿瘤区域的有丝分裂细胞和非有丝分裂细胞的分布强度做了统计学模拟，忽略非肿瘤区域。因此，这一步能在肿瘤区域识别潜在的有丝分裂细胞。最后，为了确认它们是否为有丝分裂细胞，此方法会着眼于它们的周围结构，由此减少可能的误报。

在某些部位的有丝分裂细胞检测中，尽管存在着能提高自动化的现有算法，但是，在定位整个过程时，由华威大学发明的方法还是首次提供了全面解答。一个侧重于乳腺癌组织学图像的研究，在该学科的一个重要会议上，将此方法予以概述。

虽说如此，研究只是集中在乳腺癌组织学图像方面，但是，专家相信此方法必能运用到其他类型的癌症。在一项驳斥两位病理学家关于有丝分裂细胞鉴定的初步研究中，此方法被成功运用。大规模的试验正在进行中，此方法也已获得专利申请。研究者也渴望找到产业合伙人。